Deep|LLM: GPT-6 Astra Opens New Markets Beyond Coding; Scaling Laws Keep Driving Compute Demand

GPT-6 Astra 與 Computer Use：知識工作市場規模十倍於程式碼生成

—GPT-6 Astra 標誌著知識工作迎來如同 Claude 3.7 的代理人時刻，Computer Use 讓模型能直接在 Excel、CAD、Blender 與 Power BI 等介面操作
—程式碼生成市場受限於千萬工程師薪資與軟體預算（約 1 兆美元），而白領知識工作市場薪資規模超過 10 兆美元，潛在市場規模擴大一個數量級
—當前 Computer Use 處於多步驟可靠性待突破階段，預期透過強化學習（RL）與 Harness 架構完善後，將在未來 1-2 個模型世代迎來如同 Opus 4.5 的大規模企業落地爆發點

AI應用 ↑看多長期

Computer Use 直接操作既有專業軟體介面，將 AI 代理人的落地場景從單純寫程式擴展至數億白領的日常流程。結構化輸入與可驗證輸出的商業智慧與財務建模工作將率先變現。Computer Use 奠定模型跨入各專業領域的基石，一旦多步驟可靠性完善將開啟十兆美元級別的企業自動化市場

—GPT-6 Astra 是首款由前代模型在訓練中扮演實質角色的旗艦模型，OpenAI 內部頂尖研究員每日消耗高達 7,000 美元推論 Token，人機工作天比例已達 1:3.1
—程式碼與知識工作主要是替代既有人力支出，而 RSI 推動的 AI for Science（新藥、新材料、新能源）則能創造全新的實體經濟產出

AI算力 ↑看多長期

模型自我改良與科學研究探索需要極高強度的運算支援，研究員推論 Token 消耗急遽攀升使算力成為最核心的研發瓶頸。模型訓練模型與科學運算的遞歸循環已實質啟動，持續擴張的算力需求成為驅動 AI 研發進展的最底層約束

—GPT-6 訓練算力約為前代的 10 倍，且主要消耗於實驗、強化學習（RL）與合成數據生成，預訓練單次 Hero Run 僅占一小部分，未來預訓練規模仍有龐大擴展空間
—次世代硬體將於 2026Q4 至 2027 上半年放量，包括 $NVDA Vera Rubin（NVL576）與 Google TPU 8t Superpod（Virgo 光學網路），支撐預訓練算力在 2027 年再提升一個數量級
—超大模型訓練的機櫃間通訊負擔急遽加重，NVL576 第二層 Scale-up 確認導入光學元件，TPU 6D Torus 亦大幅增加光學連接埠

光通訊 ↑看多中期

隨著叢集規模擴大與機櫃間通訊頻寬暴增，$NVDA NVL576 與 Google TPU 8t 架構均大幅增加光學元件與光連接埠配置。在預訓練規模持續十倍擴張的週期下，超大規模光互連與光通訊模組是機櫃級算力擴展中最直接受惠的核心硬體瓶頸

AI基建 ↑看多中期

預訓練算力需求因實驗、RL 與合成資料而轉變為常態性研發支出，硬體架構重心由單晶片轉向機櫃級互連與拓撲系統。次世代晶片放量與光學網絡升級將支撐算力規模再躍升十倍，AI 基礎設施投資進入持續性週期

每天早上,收件匣見

53 位中英文財經 KOL 的觀點,每天自動整理成一份日報。免費,隨時可退訂。